图像是人们获取信息、保存信息和传递信息的重要手段,在人们的生活中占据了重要的地位,尤其是文本图像,其中包含的信息往往非常重要,也因此人们对于文本图像的质量要求很高。但在获取图像时,有很多因素会使获取的文本图像是模糊的,例如天气、聚焦、运动等,此时通过研究将模糊的文本图像恢复成高质量的清晰图像,是一个非常有意义的工作。本文主要通过分析文本图像和模糊核的稀疏性,对文本图像的盲去模糊进行了研究。本文的内容主要包括以下几个方面:首先,为了后续的研究工作,本文讲述了去模糊的一些基本理论知识和相关工作,介绍了描述图像退化过程的退化模型,分析了自然图像、文本图像和模糊核的先验知识,同时讨论了一些根据图像先验知识建立的能量优化模型以及这些模型的一些解法。其次,针对前人在文本图像去模糊中对模糊核稀疏性的考虑不足,本文提出基于模糊核稀疏性的文本图像去模糊方法。本文主要将文本图像的亮度和梯度的稀疏性,以及模糊核的稀疏特性作为先验知识,使用Lq范数分别对文本图像的亮度的稀疏性、梯度的稀疏性以及模糊核的稀疏性进行约束,建立相应的能量优化模型,然后使用半二次分裂的方法对模糊核和清晰图像分别进行求解。在求得模糊核后,为进一步提高去模糊的效果,本文又提出了模糊核去噪的方法对模糊核进行优化:首先将上面求得的模糊核的运动轨迹利用骨架提取的方法提取出来,然后对此轨迹使用十字型窗口遍历并将噪声点去除,最后使用去噪后的模糊核再对清晰图像进一步恢复。实验结果分析也表明,使用Lo范数约束文本图像的亮度和梯度的稀疏性以及模糊核的稀疏性,对于文本图像去模糊,能够取得不错的效果,而经过模糊核去噪步骤后的结果更好。最后,本文对非均匀文本图像去模糊加以研究,提出了一种基于纹理丰富度的分块去模糊方法。首先对非均匀模糊的文本图像进行分块,把每块当作均匀模糊处理,然后使用前面分析的文本图像的亮度和梯度的稀疏性以及模糊核的稀疏性作为先验知识,用Lq范数对每块进行约束,最后建立起能量优化模型并进行迭代求解。为提高处理效果,本文通过分析相邻块间模糊核的相似度,提出使用相邻块已知的模糊核初始化未知模糊核进行迭代求解的方法。并且在各块的求解顺序上,本文使用图像梯度和图像熵去计算模糊块的纹理丰富程度对求解顺序进行排序,首先选择纹理最丰富的块进行处理,然后在已知邻近块模糊核的模糊块中,选择纹理最丰富的块进行处理,直至处理完所有的块。同时,为了提高求得模糊核准确性,前面所讲述的模糊核去噪方法也被运用到此处理过程中,每块的模糊核在进行去噪后,再作为其邻近块模糊核迭代的初值。实验结果分析也表明,使用此分块方法能过有效的处理非均匀文本图像的模糊问题,而且比直接分块处理的方法也好的多。